審計抽樣風險控制與數據式審計

[摘 要] 審計抽樣風險是審計基礎理論中重要的研究領域，但因技術手段局限，導致其應用僅作為曲高和寡的框架，抽樣風險成為轉嫁法律責任的有力托辭，也是一直以來拉大審計期望差距的主因。借助信息化集成技術平臺建設，運用數據式審計理念，審計抽樣能夠得到靈便有效的應用，抽樣風險也可以控制在科學合理的水平。

[關鍵詞] 審計抽樣風險；數據式審計；信息化技術

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2013 . 14. 004

[中圖分類號] F239.4 [文獻標識碼] A [文章編號] 1673 - 0194（2013）14- 0007- 05

審計抽樣理論作為現代審計重要的理論基礎，一直處在審計期望差距與審計質量爭議的風口浪尖，推動著審計技術在不同的環境中覓尋完善可能。數據式審計從提出至今，對其概念框架與實施條件都還停留在探索試行階段。但其優越的理念與技術實現模式對現行審計技術瓶頸突破形成極大的誘惑，引領理論與實務工作者趨之若鶩。

本文主題并不在于提出新理念，而意在通過對審計抽樣風險理論剖析，重點分解其中影響審計質量的部分，提出在數據式審計模式下可能的改進設想。

1 審計風險模型的應用理解

《中國注冊會計師審計準則第1101號——財務報表審計的目標和一般原則》，第十七條中對“審計風險”的定義：審計風險是指財務報表存在重大錯報而注冊會計師發表不恰當審計意見的可能性。定義中強調審計風險構成因素的關系，①重大錯報的存在性，②重大錯報與審計意見的匹配性。就審計工作而言，發現重大錯報是其一，對發現的重大錯報的反映與處理是其二。那么這兩者能否通過審計風險模型得以體現與反映？審計風險因不匹配的審計意見而生，而審計意見能否通過審計風險模型體現？

降低審計風險的重要前提是對重大錯報的靈敏嗅覺在整個審計系統中得到相應的預警機制保障，在定性的基礎上加以量化控制。審計風險模型使量化審計風險成為可能，同時，也為量化審計工作量設計審計測試程序提供了理論基礎，只是這一模型從不同使用者角度理解存在一定的期望差距。

1.1 報表使用者角度

客觀存在的審計風險由被審計單位的重大錯報風險與事務所檢查風險合力所致。這種劃分引導報表使用者將審計風險的形成來源分解為被審單位與會計師事務所，一方面是被審計單位自身防御系統出現問題所導致的重大錯報可能，另一方面是會計師事務所設計的審計測試程序未能發現重大錯報的概率。

因此，審計風險模型在這里是客觀存在審計風險要素的詮釋，有助于報表使用者客觀理解并正確區分其中蘊含的會計責任與審計責任。一旦出現審計失敗，追究法律責任時，報表使用者可以厘清訴求對象，就被審單位內部串通舞弊所致的重大錯報與審計程序故障導致的重大錯報遺漏有一個相對清晰的邏輯分析。

1.2 審計執業角度

審計風險概念本身從理論上有助于把握審計風險內涵，但從執業角度操作指導性不強，而審計風險模型將審計風險細化分解，并從會計師事務所整體可接受審計風險水平與對應的檢查風險來設計審計程序。

這里的審計風險是指會計師事務所可承受的、可接受的審計風險，具體而言，如果定為5%，那么就意味著審計把握度控制在95%，當然，風險越高，把握度越低，審計程序設計得越粗略，容錯率越高。在民事訴訟環境相對成熟的市場中，這里的審計風險與相應的法律責任具有相關關系，也就是說，會計師事務所需要權衡，項目投入產出與可能的訴訟風險是否在可接受范圍內。

1.3 審計風險模型應用均衡

不同角度理解上的偏差是對審計風險模型的偏誤，還是審計風險模型本身缺陷的不可回避性？報表使用者將審計風險模型與審計意見聯系起來，但從審計人員角度，風險模型僅在于發現重大錯報，而最終能否與審計意見匹配還取決于其他因素，如會計師事務所的管理體制，合約方經營理念，以及相關的法律環境等等。

如圖1所示，隨著報表錯報風險的加大，客觀存在的審計風險加大，而從審計人員而言，為了更好地控制審計風險在合理可接受范圍內，隨著報表錯報風險加重，可接受的審計風險越低。假設M點理解為重要性水平，M點右邊為重大錯報風險，隨著客觀存在審計風險的加大，發現重大錯報的責任加大，要求審計人員通過降低檢查風險，使審計風險盡可能地接近可接受水平。否則，超過可接受水平的審計風險滯留在已審報表中，存在潛在的法律風險。

這里的檢查風險也是指審計人員可接受的檢查風險，ADR=AAR/MMR（ADR指可接受的檢查風險），在測定的一定的AR條件下，依據審計人員評估的重大錯報風險水平，得到ADR，依據此設計實質性測試程序的深度與廣度。

從模型來看，能否將客觀存在的審計風險降低至可接受的水平（綜合考慮大多數報表使用者的承受能力），是審計成敗的決定因素。這里存在一個循環，可接受審計風險水平基于檢查風險水平的正確判斷，而這種判斷又取決于其前置程序——重大錯報風險的估測結果。看似環環相扣的程序設計，但實際應用中，由于控制測試結論對實質性程序的指向性不明，加上抽樣風險因素，導致出現風險放大的可能，往往控制測試并不能得到有效的執行和應有的重視。除非是直接具體的風險評估點與細節測試應對，否則，風險評估與控制測試往往只是審計準則框架下的“過場”，與細節測試仍是“兩張皮”，實務中的常規武器還是埋頭查賬。

因此，審計抽樣風險控制在整個審計測試中非常關鍵，對于合理估計與應對重大錯報，有效控制審計風險至可接受水平不僅存在審計技術銜接問題，而且涉及在應用范圍、樣本選擇及量化控制上如何原則把握，靈活應變的問題。

2 抽樣風險控制在審計應用中的局限

抽樣推斷就是依據抽自總體的樣本信息，按照一定的要求來推斷總體的相關信息。根據信息所反映的現象本質，可以分為定性的信息，如不合格品率、失控率等，和定量的信息，如重量、金額等。相應地，用于定性信息的抽樣稱為屬性抽樣（或計數抽樣），而用于定量信息的抽樣為變量抽樣（或計量抽樣）。統計抽樣以樣本誤差來推斷總體誤差的特性，使其應用之初就與審計效率聯系在一起，同時，我們也意識到對于審計質量，只要控制在使用者和審計人員可接受的范圍內，就被認可，這是科學認識論在審計技術上的發展進步。

樣本規模小、審計人員經驗不足、抽樣方法不科學等都會造成抽樣風險，但這些原因在不同抽樣風險中所起的作用是不同的，對后續審計程序的影響程度也有不同。

本文重點討論影響效果的兩類審計抽樣風險——信賴過度風險和誤受風險。

2.1 抽樣風險之一 ——信賴過度風險

2.1.1 控制測試原理分析

基于成本效益原則，控制測試產生之初是為了減少實質性測試范圍。其基本原理是通過發現內部控制制度的不足之處，即信息生產過程的薄弱環節，來分配審計資源，做到有重點、有目標地審計，確保審計結論在符合一定可靠性水平的前提下提高審計效率、降低審計成本。

這里存在一個基本假設，投入同等人力、時間，控制測試比實質性測試工作更經濟，審計成本更優，如圖2所示，控制風險水平評估為A點，實際上要更高為B點，對審計測試而言，A點的審計成本低于B 點，PP′在A點表示控制測試工作量，而在B點表示實質性測試工作量，在審計風險一定的條件下，即A、B點的審計把握程度相同條件下，由于A點的控制風險低，內控控制能力更強，有效內控下產生的重大錯報概率更低，有基于此，通過控制測試驗證對有效內控的預期，從而減少實質性測試工作量，減少對接近預期值的賬戶余額進行測試，注重對例外項目進行詳細審計獲得審計成本優勢。

2.1.2 控制測試程序應用誤區

從控制測試的效度來看，最理想的狀態就是全面測試，全時段監控，但由于審計技術以及全社會信息化水平的局限，一直以來，都是以點帶面的方式，通過全年不同時期樣本的執行測試，來推斷控制在全年的有效性，這種離散型的抽樣，樣本代表性尤為重要，一方面屬性抽樣本身，抽樣風險不可避免，另一方面信賴過度風險對于后續變量抽樣的影響重大，負面作用會顯放大效應，從而加劇審計意見的不恰當性。

由于控制測試一直是以提高效率為應用宗旨的，因此，無論是程序設計還是測試程序選擇，都服從于成本效益原則，通常情況下，詢問、觀察及檢查程序都不能奏效時，重新執行程序才會較為深入地考慮，主因是基于后者的執行成本過高。現行控制測試往往從詢問與觀察開始，對于其中發現的異常情況再選擇進行檢查與重新執行。對內控調查的詢問大多僅停留在統一的問卷設計調查上，效果不顯性。

從審計程序本身分析來看，穿行測試，檢查與重新執行程序，在信息化環境與審計軟件相對成熟的環境下，完全可以實現全部數據與信息的機械化操作，從抽樣風險中解脫出來。而詢問與觀察程序對于異常、例外情況的發現更敏銳，對從業人員的思維及經驗要求更高，人工作業技巧高，無法通過大規模批量操作完成，同時，只要樣本代表性強，這些程序自身的風險識別功能得以發揮，可以明確清晰地指導與定位風險區域。

因此，實務中往往出現誤區，認為控制測試是可選程序，減少控制測試或者干脆不做，就可以控制信賴過度風險，這大有掩耳盜鈴之嫌，在數字化時代下的電子商務環境里，即使是實質性測試也存在無法應對的風險，控制測試已不僅僅是效率工具，更多地應承擔識別風險職責，如何有效地選擇代表性樣本，如何利用信息化技術為程序選擇與樣本定位獲得最優值是我們考慮的方向。

2.2 抽樣風險之二 ——誤受風險

2.2.1 誤受風險機理

抽樣結果表明賬戶余額不存在重大錯誤，而實際上卻存在重大錯誤的可能性為誤受風險，此時被審計單位一般不會提出異議，但審計人員卻失去了一次核對審計結論的機會，并有可能引發潛在的訴訟而承擔法律責任。

我們用圖解的方式來理解誤受風險機理。如圖3所示，假設審計人員接受樣本均值A周圍的一個區間為總體真實均值（未知）的適當的預測值。進一步假設，事實上總體真實均值為B，B遠小于A，這意味著A存在著嚴重高估。以B為中心的曲線與以A為中心的曲線存在相交的區域，而這相交區域中的一部分即為β風險，即誤受風險。這一部分表示，根據從總體中選出的樣本估計量，落在錯報金額的一定范圍內，因此代表了認為某一賬戶為正確而事實上并不正確的風險。在這一情況下，審計人員面臨的主要問題是高估。相反地，也有可能出現低估的情況，總體實際均值落在以A為中心的區間右方。

誤受風險產生機理在于樣本推斷總體結論的偏誤，這種抽樣誤差的形成主要受2個因素影響，①樣本代表性，②樣本容量。樣本代表性強，樣本容量可適當減少，而樣本容量大，抽樣誤差才可盡可能減小。有效的分析程序可以提高細節測試樣本代表性，而足夠容量的細節測試是保證誤受風險降低到可接受水平的前提。

2.2.2 分析程序應用局限

審計分析程序，是指審計人員通過分析和比較信息（包括財務信息和非財務信息）之間的關系或計算相關的比率，以確定審計重點、獲取審計證據和支持審計結論的一種審計方法。其關鍵在于分析以及比較，要分析所收集數據之間可能存在的相關關系，而且要保證搜集數據的可靠性，并且剔除其中的不合理因素。然后利用審計人員積累的經驗以及收集的合理標準，對照分析被審計單位提供的資料以及信息，從中發現異常的變動、不合常理的趨勢或者比率。分析程序在風險信號識別上性能卓越，廣泛應用于風險評估與實質性測試程序。

遺憾的是分析程序實際應用中存在缺陷，一方面是資料來源只能局限于被審單位信息系統內的財務數據，另一方面是分析模型大多是建立在已知的數據信息關聯關系上。這些對被審單位多年連續盈利操縱束手無策，對于未知關聯模型缺乏靈敏度，難以發現有效線索。

借助計算機技術，利用數據式審計模式為分析程序注入新的審計技術能量，同時，對機械化程度高的細節測試部分進行詳細審計，為有針對性地控制誤受風險提供可操作性方案。

3 數據式審計

數據式審計產生是在企業運營以電子商務為主、ERP系統為支撐的數字化模式演進中不斷發展的，尤其是CRM及SCM與ERP的高度融合，ERPⅡ開始取代ERP，成為新型數字化企業的主流模式。對企業內外部會計環境產生重大影響。

信息化下企業存儲的主要數據是以記賬憑證為主的會計數據和不能以貨幣計量的非會計數據所構成的“數據源”。信息源頭主要是無紙化交易下的各類憑證庫文件，會計數據均以“比特”方式保存在磁性介質上，數據虛擬度高，這也極大地擴充了會計數據的范圍，一些非貨幣計量的數據（音頻、視頻、圖表等），逐步成為企業經營活動和決策時必需的“會計數據”。這些數據和原有的會計數據共同構成了企業的基礎數據庫。基礎數據重新成為審計的重點。

數據式審計的提法已有數年，但對于其具體的界定仍然存在爭議。石愛中（2005）對數據式審計傾向于使用數據式系統基礎審計，將其定義為： 以系統內部控制測評為基礎， 通過對電子數據的收集、轉換、整理、分析和驗證， 來實現審計目標的審計方式。管亞梅（2007）數據式審計也稱為信息系統審計（ IS審計）。國際信息系統領域的權威專家Ron Weber將其定義為： 收集并評價證據， 以判斷一個計算機系統是否有效做到保護資產、維護數據完整、完成組織目標， 同時最經濟的使用資源。

我們將近年來的相關論點總結為數據式審計是以被審計單位底層數據庫原始數據為切入點，在對信息系統內部控制測評的基礎上，通過對底層數據的采集、轉換、整理、分析和驗證，形成審計中間表，并且運用查詢分析、多維分析、數據挖掘等多種技術方法構建模型進行數據分析，發現趨勢異常和錯誤，把握總體、突出重點、精確延伸，從而收集審計證據，實現審計目標的審計方式。

4 數據式審計對審計抽樣風險控制的影響

數據式審計以其先進的信息技術平臺，靈便的理念支撐，為審計抽樣風險控制帶來了新希望，就提高抽樣樣本及擴充樣本容量方面，具有難以抗拒的優勢。

4.1 控制信賴過度風險，設計連續審計方案

降低信賴過度風險最有效的方法，就是提高抽樣樣本的代表性，關鍵在于正確定位系統控制風險點，改進“盲人摸象”式的控制測試。

4.1.1 還原控制測試程序的風險定位功能

目前，重大錯報風險評估來自于風險評估程序和控制測試，兩者測試目的都是為實質性程序提供依據。從審計執業角度而言，信賴過度風險無疑是審計質量的勁敵，我們難以探測被審單位串通舞弊的可能，但強化審計程序設計與風險識別能力是擊敗被審計單位的機會主義心理的有力武器。因此，加強職業謹慎，在測試程序的設計上下功夫，是控制測試程序自身保有可能的前提。

樣本代表性主要取決于抽樣方法，樣本容量等因素。實質性測試中應用統計抽樣，樣本代表性取決于總體中對于重大錯報可能的定位與篩選，如果風險評估程序可以直接定位，那么樣本選擇代表性具有唯一性，如果審計程序需要經過層層測試，間接到達細節測試，此時樣本代表性取決于前置程序的科學性。如前所述，提高控制測試的效度，減少信賴過度風險，是降低誤受風險的重要前提。因此，利用高度信息化集成手段，還原控制測試本身局部風險定位功能，結合整體風險評估程序的結果，有效鎖定實質性測試范圍，可以提高樣本代表性，相對減少抽樣風險。

4.1.2 設計連續審計方案

連續審計對于控制測試有效樣本選取十分有利，由高度自動化的程序來完成全時段、全過程的重新執行與檢查程序，通過數據的孤立點分析，導出內控可能存在漏洞的異常報告，然后，再相應地展開詢問與觀察程序，此時，屬性抽樣樣本代表性提高，抽樣風險大大降低，而詢問與觀察程序已不再僅僅是測試控制有效性，而更多地賦予風險識別功能，審計從業者可以從大量的機械檢查工作中脫離出來，對詢問與觀察程序的設計與適用進行更具可行、效度更高的運用研究。

從原理上來講，連續審計（CA），在信息系統高度自動化，會計數據結構可自動、安全高效轉換的環境下，是指在信息系統中安裝具有記錄功能的程序模塊，持續監控，按照審計人員事先設定的抽樣條件參數，對符合條件的數據自動采樣，并記錄或標記于審計文件中，進行有選擇性地、全時段系統監控，目前，連續審計技術實現方案有嵌入測試法（Embedded Test Facility Approach）和數字代理（Digital Agent）模式，各模式都有其適用范圍，也存在一定的應用不足，但其自動化的數據建模與分析功能大大減少了人工測試工作，使得審計人員集中于連續審計系統鑒定與風險點識別。

4.2 控制誤受風險，利用OLAP與數據挖掘技術，提高樣本代表性

從審計抽樣機理來看，審計抽樣風險產生源于樣本的代表性差，從理論上講提高樣本的代表性是縮小抽樣誤差的最佳途徑。實際上，總體特征通過審計抽樣了解和估計，既使完成對樣本的測試后，也無法確切地知道樣本是否具有代表性。提高細節測試樣本代表性必須從樣本選擇的起點進行有效設計，重點考慮以下2點。

4.2.1 強化分析程序中的數據挖掘功能

數據挖掘無疑可有效彌補現行分析程序的缺陷，這一技術發現知識是隱含的、事先未知的、潛在的有用的信息，其建立在強大網絡資源與高度信息化基礎上，可以更有效地發揮分析程序能量，提高異常信號識別的靈敏度，有效定位風險點，從而提高樣本代表性。

4.2.1.1 數據挖掘技術

數據挖掘就能從大型數據庫的相關數據集合中抽取出來有價值的知識、規則或高層的信息，并從不同的角度顯示，從而使大型數據庫作為一個豐富而可靠的資源為知識歸納服務。按功能分主要有以下幾種：關聯規則；分類規則；聚類規則；異類分析；趨勢分析。其中關聯規則挖掘是關聯知識發現的最常用方法。

關聯知識（Association）反映一個事件和其他事件之間的依賴或關聯。數據庫中的數據關聯是現實世界中事物聯系的表現。數據庫作為一種結構化的數據組織形式，利用其依附的數據模型可能刻畫了數據間的關聯（如關系數據庫的主鍵和外鍵）。但是，數據之間的關聯是復雜的，不僅是上面所說的依附在數據模型中的關聯，大部分是蘊藏的。關聯知識挖掘的目的就是找出數據庫中隱藏的關聯信息。關聯可分為簡單關聯、時序（Time Series）關聯、因果關聯、數量關聯等。這些關聯并不總是事先知道的，而是通過數據庫中數據的關聯分析獲得的，因而對商業決策具有新價值。

聚類分析是數據挖掘的目標之一。通過聚類技術可以對源數據庫中的記錄劃分為一系列有意義的子集，進而實現對數據的分析。聚類和分類技術不同，前者在特定的類標識下尋求新元素屬于哪個類，而后者則是通過對數據的分析比較生成新的類標識。

演變分析是指由歷史的和當前的數據產生的并能推測未來數據趨勢。統計學中的回歸方法等可以通過歷史數據直接產生對未來數據預測的連續值。因而這些預測型知識已經蘊藏在諸如趨勢曲線等輸出形式中。

4.2.1.2 利用數據挖掘技術的分析程序

數據挖掘技術與分析程序具有相似的風險信號識別功能，在數據審計模式下，數據挖掘可充分發揮并延伸分析程序功能，增強審計程序的不可預見性。

由于不同行業，不同背景，不同組織模式與經營特色的企業，都有著自身發展的路徑與特征，數據挖掘技術作為一種深層次的數據分析技術，不僅能對被審計單位的歷史數據進行查詢，而且能夠找出大量歷史數據之間的潛在聯系和規律。對審計數據進行孤立點的發現、關聯規則的提取、神經網絡的應用，以及構建決策樹來提取數據間隱含的知識。可以很好地彌補分析程序的不足，可以運用到審計預警中，建立審計分析模型，幫助審計人員確定審計重點、發現審計線索，從而降低審計風險。

4.2.2 利用OLAP，延伸細節測試的外部取證

4.2.2.1 跨行業數據倉庫建立，實現對賬平臺開放

函證、監盤程序歷經審計模式變化，始終是賬實相符核查中不可取代的部分，也是眾多造假案例頻頻出鏡的高風險領域，一直是審計測試中水火交融的戰場，從賬面到實物的抽樣，以抽樣分層等技術簡化處理樣本選擇，同時，缺乏抽樣執行過程中的有效監控，都是目前該部分取證的致命缺陷。而局限于被審單位信息系統內部的核對，由于程序外延性不足，證據斷點重重，往往使審計失策于中間環節。例如，函證依賴于函詢單位的回函，而函詢單位的核對過程并未驗證，也缺乏系統核對信息證據，被函詢方決定了函證程序的成敗，而大量的函證替代程序又回到了被審單位信息系統內部取證，陷入死胡同。

因此，必須突破單位內部信息系統，在整個社會供產銷環節構建共享統一的信息系統平臺完成對賬，實現相關賬務來往信息的全面機械核對，結合核對結果，最終確定資產檢查的樣本選擇，實現賬實相符的大平臺審計。這需要強大的信息技術網絡以及完善的數據倉庫后臺支持。

聯機分析處理技術（On-Line Analytical Processing，簡稱OLAP），目前對于海量數據處理所采取的主要方法，是針對決策問題的聯機數據訪問和分析，最基本、最核心的特征就是從多個角度分析數據，也稱為多維分析。OLAP一般以數據倉庫作為基礎，即從數據倉庫中抽取詳細數據的一個子集并經過必要的聚集存儲到OLAP 存儲器中供前端分析工具讀取。

數據式審計中業務流程中，最主要的環節是對基礎數據庫中各種類型的數據進行分析，從中找出疑點，從而確定審計的重點，聯機分析處理技術為數據分析提供了強有力的審計分析工具，為同行業、跨行業的數據倉庫與對賬平臺建立提供了技術支撐，同時，審計系統與社會對賬系統之間的數據溝通問題，隨著 XBRL 的出現而有望解決。目前 XBRL 國際組織已經發布了 XBRL 財務報表分類標準（XBRL for Financial Statement）和XBRL 分類賬標準（XBRL for General Ledger），預期未來將發展以 XBRL 為基礎的財務信息供應鏈。未來 XBRL 分類標準的應用主要有：管理報表分類標準（XBRL for Financial Statement），報稅單分類標準（XBRL for Tax Returns），認證報告分類標準（XBRL for Assurance Services （Audit） Schedules）、認證服務工作底稿分類標準（XBRL for Assurance Services Working Papers），會計法規分類標準（XBRL for Authoritative Literature），經營報告分類標準（XBRL for Business Reporting）等。

4.2.2.2 實現機械化程序的詳細審計，有效控制抽樣樣本容量

按照概率統計的一般原理，樣本測試規模過小，有可能會產生更大的樣本估計風險；反過來樣本測試規模較大，由此會在一定程度上提高估計精度，相應地也就能降低樣本推斷風險。但測試樣本也不可能無限增大，否則就達不到抽樣審計的目的。

審計抽樣的應用本意是為了提高效率，同時，也是無法實現詳細審計的一種妥協。數據式審計的最大特點就是對電子數據的直接利用，在進行數據采集時，深入被審計單位計算機信息系統的底層數據庫，獲取更多、更廣泛的內部數據，通過對這些數據的分析處理，并結合從相關單位和部門采集的外部數據的關聯分析，得到大量的多種類型的有用信息。可以實現對機械性程度高的細節測試，如重新計算、文件檢查等進行詳細審計，從而獲取孤立點分析，利用數據挖掘關聯規則對關聯度強，異動頻率高的部分，重點進行賬實相符核查程序設計，可以有效降低誤受風險，減少審計技術自身不確定性。

5 結 語

現代審計在自身完善的重重困惑中上下求索，也在不同時代的技術更迭中尋找新的發展優勢，云計算平臺、信息技術都為審計應用瓶頸提供了可突破的模式，我們希望審計抽樣風險控制在數據式審計設計下不再是條條框框而束之高閣，而是實實在在進入審計實務中的靈活應用工具，為提高審計效率、審計產品質量開辟新天地。

數據式審計融合數據挖掘技術與聯機分析技術在社會循環體系中大有應用推廣之勢，無論是審計邏輯起點還是程序設計順序都與現行審計體系存在很大的差異，同時，專家系統工程與法律制度完善也是無法回避的問題，我們必須研究與思考這一審計模式所帶來的系統性影響。

主要參考文獻

[1]石愛中.初釋數據式審計[J].審計研究，2005（4）.

[2]管亞梅.我國推進數據式審計的發展策略思考[J].經濟縱橫，2007（8）.

[3]桑果.數據式審計的分析模型探析[J].南京審計學院學報，2008（5）.

[4]黃昌勇，陽杰.論連續審計的概念框架[J].南京財經大學學報，2007（4）.

[5]辜飛南，李若山，徐林倩麗. 現代中國審計學[M].北京： 中國時代經濟出版社，2002.

[6]陳偉. 聯網審計——技術方法與績效評價[M].北京： 清華大學出版社，2011.

[7]Roger S Debreceny ， Glen L Gray.Data Mining Journal Entries for Fraud Detection： An Exploratory Study[J].International Journal of Accounting Information Systems，2010（11）：157–181.

[8]David Y Chan ， Miklos A Vasarhelyi.Innovation and Practice of Continuous Auditing[J].International Journal of Accounting Information Systems，2011（12）：152-160.